一、数据收集没想象中那么复杂，重要的是发现

很多企业甚至是互联网企业，或者不知道该如何使用手中已有的数据资源，白白浪费掉优化改进的好机会；或者认为大数据只有BAT这样的互联网巨头才有，一个小网站或APP应用是没有大数据的，果真是如此吗？

看一个简单的例子：微博段子手们最平常不过的数据收集↓

抛出一个限定话题得到各方粉丝回应网上购衣服数据分析，第二天可参照由微博点赞自动生成具有代表性的意见进行概括归纳，将1k+的评论总结起来制成9条Tips，二次加工后发出获得6k+转发、4k+评论和4k+赞，典型的UGC手到擒来，绝对的ROI稳赚不赔。

一个网站或一个APP所包含的数据信息都是数字营销的基础。

通过分析来自网站及竞争对手的定性与定量数据，可以驱动用户及潜在用户在线体验的持续提升，并提高我们的数字营销业绩。

又如，法国的一些航空公司推出免费的APP方便旅客在移动设备上跟踪自己的行李，之后在追踪的数据平台上发现一部分商务旅行客户中途在某一城市进行短暂的商业会晤不需入住酒店，行李成了累赘，于是航空公司推出专人看管全程可追踪的增值服务，此项服务每周的新创造大概可达100万美元。

正是基于对数据的洞察产出附加价值。对数据的掌控，就是对市场的支配，意味着丰厚的投资回报。

二、数据是有情绪的，假如别人要你推荐一只股票

数据的形式多种多样，呈数量级爆发的UGC内容可以被我们拿来运用？一个新颖点的例子，譬如最近从5100点+飞泻而下的中国股市，股民巨量的埋怨和牢骚能以怎样的数据化形式展示？

“除了耐心等待，最好再找个地方让自己发泄一下，找些跟自己同病相怜的人，还能缓解一下压力，避免跳楼。弹幕，就是最好的形式了。”—有人建了一个网站,在K线图上配上弹幕供吐槽...

结果被同样郁闷的股民玩的特别魔性↓这汇集出的数据随着K线走势变化拥有了实时鲜明的情绪特征，可以在一定程度预估使用者下一步卖出或继续持有的动向。

拿买股票来说，推荐者会继续购买并且推荐给其他人来加速某个公司股票（或实际产品）的成长，而贬损者则能破坏其名声，不仅仅停止购买，而且劝说周围朋友，在负面的口碑中阻止其成长，NPS净推荐值则反映了类似多与空、褒与贬这两股力量较量的结果。

回到广告，这些来源于门户或垂直类网站、电商平台购物用户的打分与评论、社会化媒体如微博、论坛、微信、应用等的用户评论文本数据以及客服系统的语音数据和评价文本数据，可以统称为“用户反馈数据”。

我们可以结构化处理后，进行数据挖掘，识别“贬损者”和“推荐者”，全面和快速的计算NPS，并了解“贬损者”的贬损原因。

若进一步关联整合“用户行为数据”，我们还可以了解“贬损者”的历史“用户行为数据”，有利于我们更好的洞察用户，优化用户体验和改进产品方向；同时还能定向“推荐者”展开更多的优惠促销或附加增值服务。

当广告商掌握了数据，能够向客户传输更加相关的和更加有趣的信息，潜在客户们甚至可以根据自己的需求定制一些广告信息，可能会做出更好的购物决策，并有助于广告商提升销售业绩。

三、基本的5W1H问答也能玩转消费行为数据

Kotler（科特勒行为选择）模型从市场的特点来探讨消费者行为，更容易进行定量研究：

以推广营销某款手机为例，我们将要研究的数据可综合为5W1H：

1.Who & Whom：购买这款手机的人群分类？还要弄清谁是决策者，谁是使用者，谁对决定购买有重大影响以及谁是实际购买者；

2.What：不同手机品牌的市场占有率、具体型号的销售情况；

3.When：了解在具体的季节、时间甚至时点所发生的购买行为，比如配合节假日促销；

4.Where：研究适当的销售渠道和地点，还可以进一步了解消费者是在什么样的地理环境、气侯条件、甚至于地点场合使用手机；

5.How：了解消费者怎样购买、喜欢什么样的促销方式，比如是去线下体验店还是看测评视频等；

6.Why：探索消费者行为动机和偏好，比如为什么喜欢特定款手机并拒绝别的品牌或型号；

不同特征的消费者会产生不同的心理活动的过程，通过其决策过程导致了一定的购买决定，最终形成了消费者对产品、品牌、经销商、购买时机、购买数量的选择。

数字营销人员如果能比较清楚地了解各类购买者对不同形式的产品、服务、价格、促销方式的真实反应，就能够适当地影响、刺激或诱发购买者的购买行为。且数据的应用可以贯穿营销价值链的广告、公关、官网、电商、CRM各个环节，覆盖用户能力会更加全面和强大。

四、数据是拿来用的，不仅仅是拿来看

买一只股票尚需数据分析，展开一项持续的广告营销活动当然更应该建立在有数据衡量的基础上。

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！